本文介绍如何提取 location 列的前缀（如 "1001 - bbb" → "1001"），对 available 和 sold 列按该前缀分组求和，并将结果广播回每一行，同时完整保留 name、local_id、more_data 等不可聚合的原始列。
本文介绍如何提取 location 列的前缀（如 "1001 - bbb" → "1001"），对 available 和 sold 列按该前缀分组求和，并将结果广播回每一行，同时完整保留 name、local_id、more_data 等不可聚合的原始列。
在实际数据分析中，常遇到“部分字段需聚合、部分字段需保留原始粒度”的混合需求。例如本例：location 字段含冗余后缀（"1001 - BBB"），而 available/sold 值实际按前缀 "1001" 全局唯一；但 name、local_id、more_data 等列是每行独立标识，绝不能被 groupby().agg() 丢弃或错误汇总。
核心解法是组合使用 str.split() 提取前缀 + groupby().transform() 广播聚合结果：
# 步骤1：提取 location 前缀（如 "1001 - BBB" → "1001"）
df['location'] = df['location'].str.split(' - ').str[0]
# 步骤2：对 available/sold 按新 location 分组，取每组唯一值之和，并广播到所有行
df[['available', 'sold']] = df.groupby('location')[['available', 'sold']].transform(
lambda x: x.unique().sum()
)✅ 关键点说明：
- transform() 保证输出长度与原 DataFrame 一致，自动对齐每行，避免索引错位；
- x.unique().sum() 显式去重再求和，精准匹配业务逻辑（同一 location 下重复值仅计一次）；
- 其他列（name, local_id, more_data）完全不受影响，原样保留；
- assign() 或直接赋值均可，推荐链式写法提升可读性。
⚠️ 注意事项：
- 若 available/sold 存在 NaN，unique() 会保留 NaN，导致 sum() 返回 NaN。如有缺失值，建议预处理：
df[['available', 'sold']] = df[['available', 'sold']].fillna(0)
- str.split(' - ').str[0] 假设分隔符恒为 " - "。若格式不统一，可用正则 str.extract(r'^(\d+)') 更鲁棒；
- transform() 性能优于 merge 或 map，尤其在大数据集上优势明显。
最终效果：所有 "1001*" 行的 available 统一更新为 1903（1+1029+873），sold 更新为 612（0+237+375），其余列零改动——完美满足“聚合+保形”双重目标。
